arXiv:2505.03791cs.LGcs.AI2025-05
提出一种无需数值计算的纯布尔反向传播方法。
Practical Boolean Backpropagation
- 基于特定逻辑门直接在布尔代数中实现反向传播
- 首次验证了纯布尔神经网络训练的可行性
- 适合硬件高效部署的低功耗模型研究者
布尔神经网络为实值模型提供了硬件高效的替代方案。尽管量化技术已广泛应用，但纯布尔训练仍鲜有探索。本文提出一种针对特定逻辑门的实用纯布尔反向传播方法，完全在布尔代数中运行，不涉及任何数值计算。初步实验验证了该方法的可行性。
原文摘要 · Abstract (English)
Boolean neural networks offer hardware-efficient alternatives to real-valued models. While quantization is common, purely Boolean training remains underexplored. We present a practical method for purely Boolean backpropagation for networks based on a single specific gate we chose, operating directly in Boolean algebra involving no numerics. Initial experiments confirm its feasibility.
布尔神经网络反向传播硬件高效
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。